| 講演名 | 2022-08-05 LSTMを用いた任意パラメータ指定可能なネットワークトラヒック生成 栗山 海渡(長岡技科大), 渡部 康平(長岡技科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，情報化社会に伴って，ユーザの使用する端末の多様化が進んで来ており，多様な端末に応じたネットワークの評価が重要になってきている．ネットワークの評価には，大量のトラヒックデータが必要となる．しかし，既存のトラヒック生成モデルは統計学的手法に基づいたものがほとんどであり，一部のトラヒックの特性しか再現できないといった理由から，その代替手段が求められている．最近の研究では，機械学習を使った生成モデルが注目されてきているが，通信トラヒックを対象とした生成モデルの提案は限定的であり，十分に研究がなされていない．そこで，本稿では，機械学習を用いた任意パラメータ指定可能なトラヒック生成モデルを提案する．このモデルでは，Generative Adversarial Networks (GAN)とLong Short Term Memory (LSTM)を組み合わせることで，トラヒックの特性を多面的に再現し，特徴量を任意に調整可能なトラヒックの生成が可能となる．実際のトラヒックトレースを使用して，提案手法と従来モデルとの比較評価を行った．評価の結果，従来モデルよりもトラヒックの特性の再現性が高いことを示した．さらに，生成するトラヒックの特徴量を任意に調整できることも示した． |
| 抄録(英) | Network evaluation has become increasingly important in recent years. Network evaluation requires large amounts of traffic data. Recent studies have focused on generative models using machine learning. However, few generative models exist for traffic. In this paper, we propose a traffic model using machine learning. Comparative evaluation with a conventional model using actual traffic traces shows that it is more reproducible than the conventional model. Furthermore, we showed that the traffic characteristics can be arbitrarily adjusted. |
| キーワード(和) | 時系列生成 / GAN / LSTM / ネットワークトラヒック / 生成モデル |
| キーワード(英) | Time series generation / GAN / LSTM / Network traffic / Generative model |
| 資料番号 | IN2022-20 |
| 発行日 | 2022-07-28 (IN) |
| 研究会情報 | |
| 研究会 | IN / CCS |
|---|---|
| 開催期間 | 2022/8/4(から2日開催) |
| 開催地（和） | 北海道大学 百年記念会館 |
| 開催地（英） | Hokkaido University(Centennial Hall) |
| テーマ（和） | ネットワークの科学、将来ネットワーク 、クラウド/SDN/仮想化、コンテンツ配信・流通、及び一般 |
| テーマ（英） | Network Science, Future Network, Cloud/SDN/Virtualization, Contents Delivery/Contents Exchange, and others |
| 委員長氏名（和） | 波戸 邦夫(インターネットマルチフィード) / 赤井 恵(北大) |
| 委員長氏名（英） | Kunio Hato(Internet Multifeed) / Megumi Akai(Hokkaido Univ.) |
| 副委員長氏名（和） | 村瀬 勉(名大) / 中野 秀洋(東京都市大) / 会田 雅樹(都立大) |
| 副委員長氏名（英） | Tsutomu Murase(Nagoya Univ.) / Hidehiro Nakano(Tokyo City Univ.) / Masaki Aida(TMU) |
| 幹事氏名（和） | 城 哲(KDDI総合研究所) / 渡部 康平(長岡技科大) / 秦泉寺 久美(NTT) / 濱田 浩気(NTT) / 宮田 純子(芝浦工大) / 眞田 耕輔(三重大) |
| 幹事氏名（英） | Tetsu Jyo(KDDI Research) / Kouhei Watabei(Nagaoka Univ. of Tech.) / Kumi Jinzenji(NTT) / Koki Hamada(NTT) / Sumiko Miyata(Shibaura Inst. of Tech.) / Kosuke Sanada(Mie Univ.) |
| 幹事補佐氏名（和） | / 安田 裕之(東大) / 安東 弘泰(筑波大) / 佐々木 智志(湘南工科大) / 小林 幹(立正大) |
| 幹事補佐氏名（英） | / Hiroyuki Yasuda(Univ. of Tokyo) / Hiroyasu Ando(Tsukuba Univ.) / Tomoyuki Sasaki(Shonan Inst. of Tech.) / Miki Kobayashi(Rissho Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information Networks / Technical Committee on Complex Communication Sciences |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | LSTMを用いた任意パラメータ指定可能なネットワークトラヒック生成 |
| サブタイトル（和） | |
| タイトル（英） | Machine Learning-Based Network Traffic Prediction with Tunable Parameters |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 時系列生成 / Time series generation |
| キーワード(2)（和/英） | GAN / GAN |
| キーワード(3)（和/英） | LSTM / LSTM |
| キーワード(4)（和/英） | ネットワークトラヒック / Network traffic |
| キーワード(5)（和/英） | 生成モデル / Generative model |
| 第 1 著者 氏名（和/英） | 栗山 海渡 / Kaito Kuriyama |
| 第 1 著者 所属（和/英） | 長岡技術科学大学(略称：長岡技科大) Nagaoka University of Technology(略称：Nagaoka Univ. of Tech.) |
| 第 2 著者 氏名（和/英） | 渡部 康平 / Kohei Watabe |
| 第 2 著者 所属（和/英） | 長岡技術科学大学(略称：長岡技科大) Nagaoka University of Technology(略称：Nagaoka Univ. of Tech.) |
| 発表年月日 | 2022-08-05 |
| 資料番号 | IN2022-20 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | IN-146 |
| ページ範囲 | pp.27-32(IN), |
| ページ数 | 6 |
| 発行日 | 2022-07-28 (IN) |